水稻害蟲圖像分割與檢測(cè)算法研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽名：立4糸賽、簽字日期：h侈年羅月22日摘要水稻生長(zhǎng)過(guò)程中有多種害蟲為害。目前我國(guó)對(duì)水稻害蟲進(jìn)

2、行測(cè)報(bào)方式主要是通過(guò)測(cè)報(bào)燈誘集害蟲和田間害蟲調(diào)查。測(cè)報(bào)燈誘集的害蟲需要次日取回，人工識(shí)別和計(jì)數(shù)；水稻飛虱田間調(diào)查需要一人下田持盤拍稻計(jì)數(shù)，一人記錄數(shù)據(jù)。這兩種人IN報(bào)方式均存在勞動(dòng)強(qiáng)度大和準(zhǔn)確性差的問(wèn)題。本研究針對(duì)這兩種測(cè)報(bào)調(diào)查方式存在的問(wèn)題，采用圖像處理和機(jī)器視覺對(duì)水稻燈誘害蟲自動(dòng)識(shí)別計(jì)數(shù)中的粘連分割和水稻基部飛虱的自動(dòng)計(jì)數(shù)進(jìn)行研究。主要研究?jī)?nèi)容和結(jié)果包括：(1)首先用我們已經(jīng)建立的昆蟲圖像采集系統(tǒng)采集背景圖像。然后將燈誘害蟲通過(guò)網(wǎng)篩

3、到玻璃平臺(tái)上，輕微抖動(dòng)玻璃板，拍攝經(jīng)過(guò)抖動(dòng)前后的昆蟲圖像。分別與背景圖進(jìn)行差分，以去除背景雜質(zhì)帶來(lái)的影響。然后對(duì)兩幅圖像求解全局光流，為提高光流準(zhǔn)確性，對(duì)害蟲目標(biāo)像素之前的背景光流值賦為零，并根據(jù)光流矢量求解光流的角度值；最后采用歸一化割(NCuts)對(duì)圖像進(jìn)行粘連分割，NCuts算法將圖像分割問(wèn)題轉(zhuǎn)換為圖論中圖的分割問(wèn)題，采用經(jīng)過(guò)光流計(jì)算得到的角度值及像素之間的位置關(guān)系作為求解權(quán)重的參數(shù)，對(duì)圖像進(jìn)行劃分得到較好的粘連害蟲分割結(jié)果。(2

4、)在水稻基部白背飛虱計(jì)數(shù)研究中，采用三層檢測(cè)機(jī)制來(lái)檢測(cè)飛虱。首先采用Adaboost算法對(duì)水稻基部白背飛虱圖進(jìn)行第一層檢測(cè)。建立正負(fù)樣本，分別提取Haar特征，訓(xùn)練一系列弱分類器，并組合成強(qiáng)分類器對(duì)含白背飛虱圖進(jìn)行檢測(cè)。采用Adaboost得到較高檢出率的同時(shí)，會(huì)有較高的誤檢率，為此提出HOG特征和SVM分類器結(jié)合的方式作為第二層對(duì)Adaboost檢測(cè)的結(jié)果進(jìn)行識(shí)別，去除誤檢的雜質(zhì)。采取雙閾值自動(dòng)去背景后，提取三個(gè)常規(guī)特征參數(shù)作為第三層

5、，與各參數(shù)閾值比較進(jìn)一步去除反光和水滴等雜質(zhì)，最終實(shí)現(xiàn)白背飛虱的檢測(cè)與計(jì)數(shù)。本研究將靜止圖像分割問(wèn)題轉(zhuǎn)換為動(dòng)態(tài)方式分割，有效的克服傳統(tǒng)分割中過(guò)分割和欠分割現(xiàn)象，為不規(guī)則目標(biāo)的分割開拓新的方向；從機(jī)器視覺角度提出水稻基部白背飛虱自動(dòng)檢測(cè)與計(jì)數(shù)，采用學(xué)習(xí)訓(xùn)練得到檢測(cè)器和識(shí)別分類器進(jìn)行實(shí)時(shí)檢測(cè)和雜質(zhì)去除，避免了傳統(tǒng)顏色分割中噪聲的干擾，算法具有很好的魯棒性。關(guān)鍵詞：水稻害蟲，粘連昆蟲分割，光流法，歸一化割法，Adaboost，支持向量機(jī)Ill